CN114969237B - 一种地理信息系统的地址自动分析匹配方法 - Google Patents

一种地理信息系统的地址自动分析匹配方法 Download PDF

Info

Publication number
CN114969237B
CN114969237B CN202210882078.5A CN202210882078A CN114969237B CN 114969237 B CN114969237 B CN 114969237B CN 202210882078 A CN202210882078 A CN 202210882078A CN 114969237 B CN114969237 B CN 114969237B
Authority
CN
China
Prior art keywords
address
information
geographic information
information system
geographic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210882078.5A
Other languages
English (en)
Other versions
CN114969237A (zh
Inventor
欧丹敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Chenan Network Technology Co ltd
Original Assignee
Guangzhou Chenan Network Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Chenan Network Technology Co ltd filed Critical Guangzhou Chenan Network Technology Co ltd
Priority to CN202210882078.5A priority Critical patent/CN114969237B/zh
Publication of CN114969237A publication Critical patent/CN114969237A/zh
Application granted granted Critical
Publication of CN114969237B publication Critical patent/CN114969237B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Instructional Devices (AREA)

Abstract

本发明公开一种地理信息系统的地址自动分析匹配方法，涉及信息、控制技术领域，解决的技术问题是地理信息系统的地址自动分析和匹配，采用的方案包括以下步骤：步骤一、在不断数据更新过程中读取地理信息系统的地址信息，并对读取的数据信息初始化处理；步骤二、对读取到的地理信息系统地址信息演绎、编码和搜索；步骤三、地理信息系统的地址自动分析，分析方法是将MMAS算法模型输出的数据信息重新编码；步骤四、地理信息系统的地址自动匹配，采用的方法是地址信息批量匹配算法模型。本发明能够实现地理信息系统的地址自动分析和匹配，自动化分析能力强，匹配度高，大大提高了地理信息系统的地址处理和应用能力。

Description

一种地理信息系统的地址自动分析匹配方法
技术领域
本发明涉及信息、控制技术领域，且更具体地涉及一种地理信息系统的地址自动分析匹配方法。
背景技术
在目前GIS行业应用中存在很多海量地址数据的情况，传统的数据处理方式已经不能满足数据处理的相关要求。现有的方法是逐条对地址进行拆分解析，并从基础地理数据库中提取与该地址相匹配的空间信息，但会存在以下问题：一、地址数据落地过程大部分工作需要由人工处理；二、 地址数据不规范，存在很多垃圾数据，人工处理难度较高；三、对于海量地址数据的处理需要耗费大量的时间和精力，处理效率低下；四、数据处理过 程中存在较多的人为失误。
申请号 CN201110272550.5工开了一种地理信息系统的地址自动分析匹配系统，该技术应用构建了配置管理模块，其用来读取系统配置参数；数据库控制模块，其与配置管理模块连接，并用来进行数据库的连接、读取、写入的操作；数据预处理模块，其与数据库控制模块连接，并对分析数据进行预处理，剔除相关垃圾数据；地址解析模块，其与数据预处理模块连接，并根据地址解析规则对原始地址进行解析；地址解析规则模块，其与地址解析模块连接，并用于地址解析规则配置定义，协同地址解析模块一起工作；地址匹配模块，其与地址解析模块连接，并负责协调和调用相关模块进行地址匹配分析；这种方法虽然使用地址自动分析匹配工具可提高数据处理的效率和精度，节约数据处理的成本。但是该方法系统繁冗，运行效率不高。
CN201910068995.8一种地理信息系统的地址自动分析匹配系统包括短信编辑终端、文本信息、智能无线通讯终端、视频录制设备、视频压缩编码以及传输模块、GPS接收器、单片机、地理编码数据库和CDMA基站，所述单片机输出端与智能无线通讯终端输入端通过局域网连接，所述智能无线通讯终端输出端与CDMA基站和地理编码数据库输入端均通过局域网连接。与现有技术相比本发明的安装有短信编辑终端、视频录制设备和GPS接收器，通过其可以录制地址处视频，编辑地址文本和地理实时位置，通过其可以进行多种类地理位置的发送，且短信编辑终端、视频录制设备和GPS接收器均与智能无线通讯终端通过局域网连接，通过其方便信息的快速输送。这种方法无法实现地理信息系统的地址自动分析和匹配，自动化分析能力低下，匹配度不高，地理信息系统的地址处理和应用能力较低。
发明内容
针对上述技术的不足，本发明公开一种地理信息系统的地址自动分析匹配方法，能够实现地理信息系统的地址自动分析和匹配，自动化分析能力强，匹配度高，大大提高了地理信息系统的地址处理和应用能力。
本发明采用以下技术方案：
一种地理信息系统的地址自动分析匹配方法，其中包括以下步骤：
步骤一、在不断数据更新过程中读取地理信息系统的地址信息，并对读取的数据信息初始化处理；
在本步骤中，初始化处理包括数据滤除、剔除和粗大数据信息处理；
步骤二、对读取到的地理信息系统地址信息演绎、编码和搜索；
在本步骤中，通过MMAS算法模型实现数据不断更新过程中的信息检索和演绎，以提高地理信息系统的地址自动化追溯效率；
（S21）、将不同的地理信息系统的地址数据信息记作为蚂蚁信息元素，对MMAS算法模型进行初始化设置；
（S22）、设置不同的地理信息系统的地址数据信息更新过程中的运动轨迹，运动轨迹更新方法通过以下公式进行：
Figure 922460DEST_PATH_IMAGE001
（1）
在公式（1）中，
Figure 358120DEST_PATH_IMAGE002
表示地理信息系统的地址数据信息的信息素，
Figure 97144DEST_PATH_IMAGE003
表示地理信息系 统的初始地址信息，
Figure 782203DEST_PATH_IMAGE004
表示地理信息系统下一个访问地址信息，
Figure 602392DEST_PATH_IMAGE005
表示地理信息系统的地 址数据信息追溯过程中的蚂蚁元素，
Figure 626980DEST_PATH_IMAGE006
表示地理信息系统的地址数据信息追溯过程中的蚂 蚁元素更新释放信息素的时间，
Figure 303949DEST_PATH_IMAGE007
表示释放信息素时最合适的蚂蚁元素；其中有：
Figure 210725DEST_PATH_IMAGE008
（2）
公式（2）中，
Figure 67560DEST_PATH_IMAGE009
表示为在不断迭代计算过程中，输出的最优解或者在不断搜索 过程中输出的全局最优解值；
（S23）、设置最大值和最小值限制，假设
Figure 212233DEST_PATH_IMAGE010
介于
Figure 60104DEST_PATH_IMAGE011
和
Figure 657438DEST_PATH_IMAGE012
之间，每次蚂蚁元素进行 信息更新后，在
Figure 616167DEST_PATH_IMAGE013
的情况下，则将二者取值为相同的形式，即
Figure 645041DEST_PATH_IMAGE014
；
（S24）、对蚂蚁元素信息素轨迹进行平滑化处理，则处理公式为：
Figure 601495DEST_PATH_IMAGE015
（3）
在公式（3）中，
Figure 748443DEST_PATH_IMAGE016
的值介于0和1之间，
Figure 448546DEST_PATH_IMAGE017
为蚂蚁元素进行平滑化之前的信息素轨 迹量，
Figure 364549DEST_PATH_IMAGE018
为蚂蚁元素进行平滑化之后的信息素轨迹量；
步骤三、地理信息系统的地址自动分析，分析方法是将MMAS算法模型输出的数据信息重新编码，并将编码完毕的数据信息进行数据分类；通过时间复杂度的衡量算法实现数据信息分析；
步骤四、地理信息系统的地址自动匹配，采用的方法是地址信息批量匹配算法模型; 其中批量匹配算法模型包括输入层、词嵌入层、拼接层、编码器和相关度模块，其中所述输入层的输出端与词嵌入层的输入端连接，所述词嵌入层的输出端与拼接层的输入端连接，所述拼接层的输出端与编码器的输入端连接，所述编码器的输出端与相关度模块的输出端连接；
步骤五、输出自动化匹配后的地理信息系统的地址信息。
作为本发明进一步的技术方案，时间复杂度的衡量算法的方法为：
时间复杂度衡量算法将编号后的地理信息系统的地址数据信息用
Figure 730720DEST_PATH_IMAGE019
来表示，
Figure 364964DEST_PATH_IMAGE020
，
Figure 603179DEST_PATH_IMAGE021
为数据集中第
Figure 639268DEST_PATH_IMAGE022
个样本在
Figure 671946DEST_PATH_IMAGE023
的分量，且
Figure 793485DEST_PATH_IMAGE024
需满足式（4）至式（5）条件：
Figure 333926DEST_PATH_IMAGE025
（4）
公式（4）中，当公式（4）成立时，则表示地理信息系统的地址在用户允许的范围内；
在不断的数据信息更新过程中，所有地理信息系统的地址数据信息表示为：
Figure 958942DEST_PATH_IMAGE026
（5）
公式（5）中，其中
Figure 428101DEST_PATH_IMAGE027
表示地理信息系统的地址数据信息类型，
在衡量地理信息系统的地址生成时间时，通过以下公式表示:
Figure 974620DEST_PATH_IMAGE028
（6）
公式（6）中，
Figure 882533DEST_PATH_IMAGE029
为常数，将地理信息系统的地址高维数据时间复杂度表示为
Figure 63853DEST_PATH_IMAGE030
，
Figure 766230DEST_PATH_IMAGE031
；
Figure 534466DEST_PATH_IMAGE032
表示地址编码数据信
息；定义时间复杂度的衡量算法目标函数为：
Figure 980491DEST_PATH_IMAGE033
（7）
公式（7）中，
Figure 517783DEST_PATH_IMAGE034
表示地理信息系统的地址数据维度,
Figure 889596DEST_PATH_IMAGE035
表示所有地理信息系统的 地址数据信息经历地址编码和降维后的数据信息，地理信息系统的地址信息在分配编码 时，需要满足
Figure 145128DEST_PATH_IMAGE036
的函数。
作为本发明进一步的技术方案，所述输入层用于输入地理信息系统的地址信息；
所述词嵌入层用于将地理信息系统的地址信息嵌入设置在批量匹配算法模型中，以实现分层计算；
所述拼接层用于将地理信息系统的地址信息通过不同形式的编码拼接在一起，以实现不同地理信息系统的地址信息的混合应用；
所述编码器用于将地理信息系统的地址信息通过文字、数字、字母或者字符进行编码；
所述相关度模块用于将编码后的地理信息系统的地址信息通过相关度函数分析相关性。
作为本发明进一步的技术方案，批量匹配算法模型的工作方法为：
首先地理信息系统的地址数据信息的第
Figure 129264DEST_PATH_IMAGE037
层输入信息记作为
Figure 786642DEST_PATH_IMAGE038
， 输出信息记作为
Figure 34083DEST_PATH_IMAGE039
，
Figure 167842DEST_PATH_IMAGE040
表示经过词嵌入层后输出的结果，当模型为多层结 构时，第
Figure 893352DEST_PATH_IMAGE037
层的输入为第一层输入和之前层的输出拼接后得到的，表示为：
Figure 467553DEST_PATH_IMAGE041
（8）
公式（8）中，
Figure 620317DEST_PATH_IMAGE042
表示第一层输入，
Figure 647179DEST_PATH_IMAGE043
表示进行拼接，
Figure 674915DEST_PATH_IMAGE044
、
Figure 103623DEST_PATH_IMAGE045
表示输出序列，
Figure 427288DEST_PATH_IMAGE046
表示序 列中的数量,模型的输出由嵌入层得到的原始故障特征、残差特征和网络层故障信息的编 码特征组成，完成模型的故障信息批量匹配任务；
编码器中神经网络采用填充的方式进行卷积，保证数据的输入维度不发生变化，输出的地理信息系统地址编码信息表示为：
Figure 207025DEST_PATH_IMAGE047
（9）
公式（9）中，
Figure 274338DEST_PATH_IMAGE048
表示数据长度，
Figure 557552DEST_PATH_IMAGE049
表示词向量的维度，
Figure 816233DEST_PATH_IMAGE050
表示卷积后的输出，
Figure 817687DEST_PATH_IMAGE051
表 示填充操作，
Figure 688691DEST_PATH_IMAGE052
表示卷积核数量；
将两个经过编码器的地理信息系统的地址信息序列作为交互层的输入，利用编码 器计算当前地理信息系统的地址信息中向量与另一个序列的相关度，长度为
Figure 29673DEST_PATH_IMAGE053
的地理信息 系统的地址信息表示为
Figure 757458DEST_PATH_IMAGE054
，另一个长度为
Figure 744743DEST_PATH_IMAGE055
的地理信息系统的地址信息表示为
Figure 153859DEST_PATH_IMAGE056
，相关度表示为：
Figure 411665DEST_PATH_IMAGE057
（10）
公式（10）中，
Figure 513613DEST_PATH_IMAGE058
表示地理信息系统的地址信息的相关度，
Figure 224080DEST_PATH_IMAGE059
表示前馈网络，
Figure 941281DEST_PATH_IMAGE060
、
Figure 319173DEST_PATH_IMAGE061
表示地理信息系统的地址信息中的向量。
本发明的技术方案区别于现有技术的优点在于：
本发明能够实现地理信息系统的地址自动分析和匹配，自动化分析能力强，匹配度高，大大提高了地理信息系统的地址处理和应用能力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图，其中：
图1为本发明流程示意图；
图2为本发明MMAS算法模型流程示意图；
图3为本发明批量匹配算法模型结构示意图；
图4为本发明批量匹配算法模型一种实施例示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。
如图1-图4所示，一种地理信息系统的地址自动分析匹配方法，包括以下步骤：
步骤一、在不断数据更新过程中读取地理信息系统的地址信息，并对读取的数据信息初始化处理；
在本步骤中，初始化处理包括数据滤除、剔除和粗大数据信息处理；
步骤二、对读取到的地理信息系统地址信息演绎、编码和搜索；
在本步骤中，通过MMAS算法模型实现数据不断更新过程中的信息检索和演绎，以提高地理信息系统的地址自动化追溯效率；
（S21）、将不同的地理信息系统的地址数据信息记作为蚂蚁信息元素，对MMAS算法模型进行初始化设置；
（S22）、设置不同的地理信息系统的地址数据信息更新过程中的运动轨迹，运动轨迹更新方法通过以下公式进行：
Figure 326443DEST_PATH_IMAGE062
（1）
在公式（1）中，
Figure 789786DEST_PATH_IMAGE063
表示地理信息系统的地址数据信息的信息素，
Figure 540704DEST_PATH_IMAGE064
表示地理信息系统 的初始地址信息，
Figure 773102DEST_PATH_IMAGE065
表示地理信息系统下一个访问地址信息，
Figure 449809DEST_PATH_IMAGE066
表示地理信息系统的地址 数据信息追溯过程中的蚂蚁元素，
Figure 400447DEST_PATH_IMAGE006
表示地理信息系统的地址数据信息追溯过程中的蚂蚁 元素更新释放信息素的时间，
Figure 955057DEST_PATH_IMAGE067
表示释放信息素时最合适的蚂蚁元素；其中有：
Figure 41961DEST_PATH_IMAGE068
（2）
公式（2）中，
Figure 656613DEST_PATH_IMAGE069
表示为在不断迭代计算过程中，输出的最优解或者在不断搜索 过程中输出的全局最优解值；
（S23）、设置最大值和最小值限制，假设
Figure 327504DEST_PATH_IMAGE070
介于
Figure 420225DEST_PATH_IMAGE071
和
Figure 627215DEST_PATH_IMAGE012
之间，每次蚂蚁元素进行 信息更新后，在
Figure 147189DEST_PATH_IMAGE072
的情况下，则将二者取值为相同的形式，即
Figure 806841DEST_PATH_IMAGE014
；
（S24）、对蚂蚁元素信息素轨迹进行平滑化处理，则处理公式为：
Figure 201788DEST_PATH_IMAGE073
（3）
在公式（3）中，
Figure 263285DEST_PATH_IMAGE074
的值介于0和1之间，
Figure 219740DEST_PATH_IMAGE075
为蚂蚁元素进行平滑化之前的信息素轨 迹量，
Figure 366687DEST_PATH_IMAGE076
为蚂蚁元素进行平滑化之后的信息素轨迹量；
步骤三、地理信息系统的地址自动分析，分析方法是将MMAS算法模型输出的数据信息重新编码，并将编码完毕的数据信息进行数据分类；通过时间复杂度的衡量算法实现数据信息分析；
步骤四、地理信息系统的地址自动匹配，采用的方法是地址信息批量匹配算法模型; 其中批量匹配算法模型包括输入层、词嵌入层、拼接层、编码器和相关度模块，其中所述输入层的输出端与词嵌入层的输入端连接，所述词嵌入层的输出端与拼接层的输入端连接，所述拼接层的输出端与编码器的输入端连接，所述编码器的输出端与相关度模块的输出端连接；
步骤五、输出自动化匹配后的地理信息系统的地址信息。
在上述实施例中，时间复杂度的衡量算法的方法为：
时间复杂度衡量算法将编号后的地理信息系统的地址数据信息用
Figure 801211DEST_PATH_IMAGE077
来表示，
Figure 717214DEST_PATH_IMAGE078
，
Figure 337246DEST_PATH_IMAGE079
为数据集中第
Figure 971489DEST_PATH_IMAGE080
个样本在
Figure 209704DEST_PATH_IMAGE023
的分量，且
Figure 980214DEST_PATH_IMAGE024
需满足式（4）至式（5）条件：
Figure 278471DEST_PATH_IMAGE081
（4）
公式（4）中，当公式（4）成立时，则表示地理信息系统的地址在用户允许的范围内；
在具体实施例中，将地理信息系统的地址通过数据信息编码映射在数据集区间内，以将地理信息系统的地址信息在一定的区间范围内量化表示。
在不断的数据信息更新过程中，所有地理信息系统的地址数据信息表示为：
Figure 898546DEST_PATH_IMAGE082
（5）
公式（5）中，其中
Figure 674872DEST_PATH_IMAGE083
表示地理信息系统的地址数据信息类型，在具体实施例中，在 数据信息不断更新过程中，将所有的地址信息叠加，以表示已经生成地理信息系统的地址 数据信息，并对生成的地理信息系统的地址数据信息进行标记。
在衡量地理信息系统的地址生成时间时，通过以下公式表示:
Figure 565468DEST_PATH_IMAGE084
（6）
公式（6）中，
Figure 34626DEST_PATH_IMAGE085
为常数，将地理信息系统的地址高维数据时间复杂度表示为
Figure 377883DEST_PATH_IMAGE086
，
Figure 722014DEST_PATH_IMAGE087
；
Figure 467117DEST_PATH_IMAGE032
表示地址编码数据信息；在具体实施例中，在生成地址数据信息时，将 高纬度数据信息转换转为低纬度数据信息，不仅有利于后期数据信息计算，还同时有利于 后期信息处理。经过处理后的所有地理信息系统的地址数据信息编码量大于高纬度数据信 息量。则
定义时间复杂度的衡量算法目标函数为：
Figure 107176DEST_PATH_IMAGE088
（7）
公式（7）中，
Figure 140992DEST_PATH_IMAGE089
表示地理信息系统的地址数据维度,
Figure 790279DEST_PATH_IMAGE090
表示所有地理信息系统的 地址数据信息经历地址编码和降维后的数据信息，地理信息系统的地址信息在分配编码 时，需要满足
Figure 498209DEST_PATH_IMAGE036
的函数。
在具体实施例中，时间复杂度的衡量算法目标函数的作用是对地理信息系统的地址数据的演绎，将原始的地理信息系统的地址数据转换为除去高维度数据信息的地址数据信息。
地理信息系统（Geographic Information System或 Geo－Information system，GIS）有时又称为“地学信息系统”。该系统是一种特定的十分重要的空间信息系统。它是在计算机硬、软件系统支持下，对整个或部分地球表层（包括大气层）空间中的有关地理分布数据进行采集、储存、管理、运算、分析、显示和描述的技术系统。
地址编码技术在地址定位和空间信息整合方面的作用，以及地址编码在应用和技术发展方面的特性。基于对国内外地理编码技术的应用方法和领域的研究，总结了它的发展现状和在应用中存在的问题，
在上述实施例中，
所述输入层用于输入地理信息系统的地址信息；
所述词嵌入层用于将地理信息系统的地址信息嵌入设置在批量匹配算法模型中，以实现分层计算；
所述拼接层用于将地理信息系统的地址信息通过不同形式的编码拼接在一起，以实现不同地理信息系统的地址信息的混合应用；
所述编码器用于将地理信息系统的地址信息通过文字、数字、字母或者字符进行编码；
所述相关度模块用于将编码后的地理信息系统的地址信息通过相关度函数分析相关性。
在上述实施例中，批量匹配算法模型的工作方法为：
首先地理信息系统的地址数据信息的第
Figure 371487DEST_PATH_IMAGE037
层输入信息记作为
Figure 627019DEST_PATH_IMAGE091
，输 出信息记作为
Figure 115551DEST_PATH_IMAGE092
，
Figure 772928DEST_PATH_IMAGE040
表示经过词嵌入层后输出的结果，当模型为多层结构 时，第
Figure 817107DEST_PATH_IMAGE037
层的输入为第一层输入和之前层的输出拼接后得到的，表示为：
Figure 559935DEST_PATH_IMAGE093
（8）
公式（8）中，
Figure 347763DEST_PATH_IMAGE094
表示第一层输入，
Figure 358182DEST_PATH_IMAGE043
表示进行拼接，
Figure 573263DEST_PATH_IMAGE095
、
Figure 537808DEST_PATH_IMAGE096
表示输出序列，
Figure 863747DEST_PATH_IMAGE046
表示 序列中的数量,模型的输出由嵌入层得到的原始故障特征、残差特征和网络层故障信息的 编码特征组成，完成模型的故障信息批量匹配任务；
在具体实施例中，批量匹配算法模型是一种批量处理地理信息系统的地址信息的 信息新型算法，该算法套设神经网络算法模型，通过将算法划分不同的数据信息等级，以将 不同的数据信息套设进去，进而提高数据计算精度和能力。在输入层批量匹配前的数据信 息输入，在进行匹配计算后，则输出另一种数据信息。在中间层通过
Figure 292454DEST_PATH_IMAGE097
表示套设过程。将不 同的地理信息系统的地址数据信息进行拼接后，能够融合不同形式地理信息系统的地址数 据信息。通过这种方法能够提高地理信息系统的地址数据信息的计算容量。
编码器中神经网络采用填充的方式进行卷积，保证数据的输入维度不发生变化，输出的地理信息系统地址编码信息表示为：
Figure 616119DEST_PATH_IMAGE047
（9）
公式（9）中，
Figure 894391DEST_PATH_IMAGE048
表示数据长度，
Figure 961704DEST_PATH_IMAGE049
表示词向量的维度，
Figure 979339DEST_PATH_IMAGE098
表示卷积后的输出，
Figure 801802DEST_PATH_IMAGE099
表 示填充操作，
Figure 740939DEST_PATH_IMAGE052
表示卷积核数量；
在具体实施例中，通过将多种不同的地理信息系统的地址数据信息进行编码，能够区分不同的地理信息系统的地址数据信息。
将两个经过编码器的地理信息系统的地址信息序列作为交互层的输入，利用编码 器计算当前地理信息系统的地址信息中向量与另一个序列的相关度，长度为
Figure 408680DEST_PATH_IMAGE100
的地理信息 系统的地址信息表示为
Figure 248198DEST_PATH_IMAGE101
，另一个长度为
Figure 241562DEST_PATH_IMAGE102
的地理信息系统的地址信息表示为
Figure 402416DEST_PATH_IMAGE103
，相关度表示为：
Figure 139428DEST_PATH_IMAGE104
（10）
公式（10）中，
Figure 334917DEST_PATH_IMAGE058
表示地理信息系统的地址信息的相关度，
Figure 749716DEST_PATH_IMAGE105
表示前馈网络，
Figure 460183DEST_PATH_IMAGE106
、
Figure 938569DEST_PATH_IMAGE061
表示地理信息系统的地址信息中的向量。
通过对一组序列进行相关度加权求和得到上下文向量
Figure 785302DEST_PATH_IMAGE107
和
Figure 58152DEST_PATH_IMAGE108
，并包含当前向量 对另一组序列中的关注信息，通过词级交互层的信息提取，得到另一个故障文本的上下文 信息，信息融合层从多个角度进行模型的序列融合。在具体实施例中，地理信息系统的地址 数据信息通过匹配后，能够使用户快速找到经过处理后的地理信息系统的地址数据信息, 大大提高了地理信息系统的地址数据信息处理和计算能力。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。

Claims (4)

1.一种地理信息系统的地址自动分析匹配方法，其特征在于：包括以下步骤：
步骤一、在不断数据更新过程中读取地理信息系统的地址信息，并对读取的数据信息初始化处理；
在本步骤中，初始化处理包括数据滤除、剔除和粗大数据信息处理；
步骤二、对读取到的地理信息系统地址信息演绎、编码和搜索；
在本步骤中，通过MMAS算法模型实现数据不断更新过程中的信息检索和演绎，以提高地理信息系统的地址自动化追溯效率；
（S21）、将不同的地理信息系统的地址数据信息记作为蚂蚁信息元素，对MMAS算法模型进行初始化设置；
（S22）、设置不同的地理信息系统的地址数据信息更新过程中的运动轨迹，运动轨迹更新方法通过以下公式进行：
Figure DEST_PATH_IMAGE001
（1）
在公式（1）中，
Figure 117280DEST_PATH_IMAGE002
表示地理信息系统的地址数据信息的信息素，
Figure DEST_PATH_IMAGE003
表示地理信息系统的 初始地址信息，
Figure 149696DEST_PATH_IMAGE004
表示地理信息系统下一个访问地址信息，
Figure DEST_PATH_IMAGE005
表示地理信息系统的地址数 据信息追溯过程中的蚂蚁元素，
Figure 190465DEST_PATH_IMAGE006
表示地理信息系统的地址数据信息追溯过程中的蚂蚁元 素更新释放信息素的时间，
Figure DEST_PATH_IMAGE007
表示释放信息素时最合适的蚂蚁元素；其中有：
Figure 350050DEST_PATH_IMAGE008
（2）
公式（2）中，
Figure 172425DEST_PATH_IMAGE009
表示为在不断迭代计算过程中，输出的最优解或者在不断搜索过程 中输出的全局最优解值；
（S23）、设置最大值和最小值限制，假设
Figure 860895DEST_PATH_IMAGE010
介于
Figure DEST_PATH_IMAGE011
和
Figure 592222DEST_PATH_IMAGE012
之间，每次蚂蚁元素进行信息 更新后，在
Figure DEST_PATH_IMAGE013
的情况下，则将二者取值为相同的形式，即
Figure 758761DEST_PATH_IMAGE014
；
（S24）、对蚂蚁元素信息素轨迹进行平滑化处理，则处理公式为：
Figure DEST_PATH_IMAGE015
（3）
在公式（3）中，
Figure 492100DEST_PATH_IMAGE016
的值介于0和1之间，
Figure DEST_PATH_IMAGE017
为蚂蚁元素进行平滑化之前的信息素轨迹量，
Figure 633362DEST_PATH_IMAGE018
为蚂蚁元素进行平滑化之后的信息素轨迹量；
步骤三、地理信息系统的地址自动分析，分析方法是将MMAS算法模型输出的数据信息重新编码，并将编码完毕的数据信息进行数据分类；通过时间复杂度的衡量算法实现数据信息分析；
步骤四、地理信息系统的地址自动匹配，采用的方法是地址信息批量匹配算法模型;其中批量匹配算法模型包括输入层、词嵌入层、拼接层、编码器和相关度模块，其中所述输入层的输出端与词嵌入层的输入端连接，所述词嵌入层的输出端与拼接层的输入端连接，所述拼接层的输出端与编码器的输入端连接，所述编码器的输出端与相关度模块的输出端连接；
步骤五、输出自动化匹配后的地理信息系统的地址信息。
2.根据权利要求1所述的一种地理信息系统的地址自动分析匹配方法，其特征在于：时间复杂度的衡量算法的方法为：
时间复杂度衡量算法将编号后的地理信息系统的地址数据信息用
Figure DEST_PATH_IMAGE019
来表示，
Figure 84941DEST_PATH_IMAGE020
，
Figure 789592DEST_PATH_IMAGE021
为数据集中第
Figure 128169DEST_PATH_IMAGE022
个样本在
Figure 112437DEST_PATH_IMAGE023
的分量，且
Figure 536465DEST_PATH_IMAGE024
需满足式（4）至式（5）条件：
Figure 513648DEST_PATH_IMAGE025
（4）
公式（4）中，当公式（4）成立时，则表示地理信息系统的地址在用户允许的范围内；
在不断的数据信息更新过程中，所有地理信息系统的地址数据信息表示为：
Figure 159262DEST_PATH_IMAGE026
（5）
公式（5）中，其中
Figure 626016DEST_PATH_IMAGE027
表示地理信息系统的地址数据信息类型，
在衡量地理信息系统的地址生成时间时，通过以下公式表示:
Figure 475023DEST_PATH_IMAGE028
（6）
公式（6）中，
Figure 803367DEST_PATH_IMAGE029
为常数，将地理信息系统的地址高维数据时间复杂度表示为
Figure 54220DEST_PATH_IMAGE030
，
Figure 935283DEST_PATH_IMAGE031
；
Figure 271586DEST_PATH_IMAGE032
表示地址编码数据信
息；定义时间复杂度的衡量算法目标函数为：
Figure 652889DEST_PATH_IMAGE033
（7）
公式（7）中，
Figure 508981DEST_PATH_IMAGE034
表示地理信息系统的地址数据维度,
Figure 317537DEST_PATH_IMAGE035
表示所有地理信息系统的地址数 据信息经历地址编码和降维后的数据信息，地理信息系统的地址信息在分配编码时，需要 满足
Figure 875557DEST_PATH_IMAGE036
的函数。
3.根据权利要求1所述的一种地理信息系统的地址自动分析匹配方法，其特征在于：所述输入层用于输入地理信息系统的地址信息；
所述词嵌入层用于将地理信息系统的地址信息嵌入设置在批量匹配算法模型中，以实现分层计算；
所述拼接层用于将地理信息系统的地址信息通过不同形式的编码拼接在一起，以实现不同地理信息系统的地址信息的混合应用；
所述编码器用于将地理信息系统的地址信息通过文字、数字、字母或者字符进行编码；
所述相关度模块用于将编码后的地理信息系统的地址信息通过相关度函数分析相关性。
4.根据权利要求1所述的一种地理信息系统的地址自动分析匹配方法，其特征在于：
批量匹配算法模型的工作方法为：
首先地理信息系统的地址数据信息的第
Figure 309818DEST_PATH_IMAGE037
层输入信息记作为
Figure 535263DEST_PATH_IMAGE038
，输出 信息记作为
Figure 452404DEST_PATH_IMAGE039
，
Figure 576349DEST_PATH_IMAGE040
表示经过词嵌入层后输出的结果，当模型为多层结构时， 第
Figure 237137DEST_PATH_IMAGE037
层的输入为第一层输入和之前层的输出拼接后得到的，表示为：
Figure DEST_PATH_IMAGE041
（8）
公式（8）中，
Figure 628673DEST_PATH_IMAGE042
表示第一层输入，
Figure DEST_PATH_IMAGE043
表示进行拼接，
Figure 326502DEST_PATH_IMAGE044
、
Figure DEST_PATH_IMAGE045
表示输出序列，
Figure 187010DEST_PATH_IMAGE046
表示序列中 的数量,模型的输出由嵌入层得到的原始故障特征、残差特征和网络层故障信息的编码特 征组成，完成模型的故障信息批量匹配任务；
编码器中神经网络采用填充的方式进行卷积，保证数据的输入维度不发生变化，输出的地理信息系统地址编码信息表示为：
Figure DEST_PATH_IMAGE047
（9）
公式（9）中，
Figure 228653DEST_PATH_IMAGE048
表示数据长度，
Figure DEST_PATH_IMAGE049
表示词向量的维度，
Figure 179423DEST_PATH_IMAGE050
表示卷积后的输出，
Figure DEST_PATH_IMAGE051
表示填充 操作，
Figure 31841DEST_PATH_IMAGE052
表示卷积核数量；
将两个经过编码器的地理信息系统的地址信息序列作为交互层的输入，利用编码器计 算当前地理信息系统的地址信息中向量与另一个序列的相关度，长度为
Figure DEST_PATH_IMAGE053
的地理信息系统 的地址信息表示为
Figure 634773DEST_PATH_IMAGE054
，另一个长度为
Figure 902943DEST_PATH_IMAGE055
的地理信息系统的地址信息表示为
Figure 504957DEST_PATH_IMAGE056
，相关度表示为：
Figure 200381DEST_PATH_IMAGE057
（10）
公式（10）中，
Figure 753591DEST_PATH_IMAGE058
表示地理信息系统的地址信息的相关度，
Figure 559873DEST_PATH_IMAGE059
表示前馈网络，
Figure 531240DEST_PATH_IMAGE060
、
Figure 148297DEST_PATH_IMAGE061
表示地 理信息系统的地址信息中的向量。
CN202210882078.5A 2022-07-26 2022-07-26 一种地理信息系统的地址自动分析匹配方法 Active CN114969237B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210882078.5A CN114969237B (zh) 2022-07-26 2022-07-26 一种地理信息系统的地址自动分析匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210882078.5A CN114969237B (zh) 2022-07-26 2022-07-26 一种地理信息系统的地址自动分析匹配方法

Publications (2)

Publication Number Publication Date
CN114969237A CN114969237A (zh) 2022-08-30
CN114969237B true CN114969237B (zh) 2022-10-28

Family

ID=82970088

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210882078.5A Active CN114969237B (zh) 2022-07-26 2022-07-26 一种地理信息系统的地址自动分析匹配方法

Country Status (1)

Country Link
CN (1) CN114969237B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115348297A (zh) * 2022-10-18 2022-11-15 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) 一种生态环境治理修复方式的智慧分析处理系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114528300A (zh) * 2022-04-24 2022-05-24 广州市伍麦信息科技有限公司 一种基于分布式索引的快捷信息检索系统
CN114723259A (zh) * 2022-03-29 2022-07-08 湖南第一师范学院 基于无人自动配送的书籍借还方法、系统及计算机设备

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7945582B2 (en) * 2006-09-23 2011-05-17 Gis Planning, Inc. Web-based interactive geographic information systems mapping analysis and methods of using thereof
US10311756B1 (en) * 2013-06-28 2019-06-04 Google Llc Systems, methods, and computer-readable media for validating addresses
CN104700251B (zh) * 2015-03-16 2018-02-02 华南师范大学 一种车辆调度问题的改进最大‑最小蚁群优化方法及系统
CN105512752A (zh) * 2015-11-30 2016-04-20 北京大学 一种城市公共服务设施选址方法
CN109871422A (zh) * 2019-01-24 2019-06-11 杭州志远科技有限公司 一种地理信息系统的地址自动分析匹配系统
CN110321399A (zh) * 2019-06-28 2019-10-11 京东城市(北京)数字科技有限公司 选择地址的方法和装置
US11630826B2 (en) * 2020-05-29 2023-04-18 Rn Technologies, Llc Real-time processing of a data stream using a graph-based data model
CN112330068A (zh) * 2020-11-27 2021-02-05 国网江苏省电力有限公司经济技术研究院 一种基于蚁群算法与地理信息系统的变电站输电线路规划方法
CN114064269A (zh) * 2021-10-28 2022-02-18 重庆川南环保科技有限公司 一种地址匹配方法、装置及终端设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114723259A (zh) * 2022-03-29 2022-07-08 湖南第一师范学院 基于无人自动配送的书籍借还方法、系统及计算机设备
CN114528300A (zh) * 2022-04-24 2022-05-24 广州市伍麦信息科技有限公司 一种基于分布式索引的快捷信息检索系统

Also Published As

Publication number Publication date
CN114969237A (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
Yang et al. GETNext: trajectory flow map enhanced transformer for next POI recommendation
CN101988961B (zh) 地理位置数据采集系统
CN102411765B (zh) 三维电力网络的建设方法及装置
CN109934265A (zh) 一种常驻地址的确定方法和装置
CN114969237B (zh) 一种地理信息系统的地址自动分析匹配方法
CN107766433A (zh) 一种基于Geo‑BTree的范围查询方法及装置
CN106779086A (zh) 一种基于主动学习和模型剪枝的集成学习方法及装置
CN111967675A (zh) 光伏发电量的预测方法以及预测装置
CN109033322A (zh) 一种多维数据的测试方法和装置
CN115696196A (zh) 用于空间定位的基于深度学习的Wi-Fi指纹重建方法与系统
CN116932384A (zh) 一种基于特征融合和特征选择的软件缺陷预测方法
KR102305129B1 (ko) 위치 기반 경로 데이터베이스의 관리 방법 및 이를 수행하는 서버
CN112633632A (zh) 一种基于信号分解技术的集成短期风电集群功率预测方法
CN110326323A (zh) 一种获取发射概率、转移概率以及序列定位的方法和装置
CN110457706A (zh) 兴趣点名称选择模型训练方法、使用方法、装置及存储介质
CN112632406B (zh) 查询方法、装置、电子设备及存储介质
CN109213940A (zh) 大数据下实现用户位置计算的方法、存储介质、设备及系统
Liao et al. Traj2Traj: A road network constrained spatiotemporal interpolation model for traffic trajectory restoration
CN113032372B (zh) 一种基于ClickHouse数据库的空间大数据管理方法
CN116303870A (zh) 一种用于燃气管网数据治理的气量值映射方法与系统
CN113074735B (zh) 一种地图数据结构的处理方法
CN115599774A (zh) 基于局部时空树回归模型的时空非平稳性分析方法及系统
CN112650949B (zh) 基于多源特征融合协同过滤的区域poi需求识别方法
CN115292962A (zh) 基于轨迹抽稀的路径相似度匹配方法、设备及存储介质
CN114329745A (zh) 一种基于决策树分析的bim模型自动编码方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant